删除一个dataframe里某列值为nan的所有行

可以使用 Pandas 的 dropna() 方法来删除包含 NaN 值的行。可以指定要删除的列，然后将参数 'subset' 设置为该列名。以下是一个示例代码：

import pandas as pd

# 创建一个包含 NaN 值的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [2, 4, 6, 8, 10],
                   'C': [3, 6, None, 12, None]})

# 删除 C 列值为 NaN 的行
df = df.dropna(subset=['C'])

print(df)

输出:

   A   B     C
0  1   2   3.0
1  2   4   6.0
3  4   8  12.0

在上面的示例中，我们删除了 C 列值为 NaN 的行，结果只保留了包含有效值的行。

相关问题

删除dataframe中某列值为nan的记录/行及索引

要删除DataFrame中某列值为NaN的记录/行及索引，可以使用dropna()函数。dropna()函数可以删除含有缺失值的行或列，并返回删除后的DataFrame。

假设DataFrame的名称为df，想要删除的列名为"column_name"，可以按照以下步骤进行操作：

1. 使用df.dropna(subset=['column_name'], inplace=True)来删除含有NaN值的行。其中subset参数指定要检查的列名，inplace参数设置为True表示在原DataFrame上进行修改。

示例代码如下：
df.dropna(subset=['column_name'], inplace=True)

2. 如果想要重置索引，可以使用df.reset_index(drop=True)函数。该函数会删除原有的索引，并创建一个新的从0开始的索引。

示例代码如下：
df.reset_index(drop=True)

最终代码如下：
df.dropna(subset=['column_name'], inplace=True)
df.reset_index(drop=True)

通过以上操作，就可以删除DataFrame中某列值为NaN的记录/行及索引了。

python 取 dataframe 中某列不为 NaN 的行

可以使用pandas库中的dropna()函数来删除包含NaN值的行，也可以使用notnull()函数来获取某列不为NaN的行的布尔值，然后使用布尔值索引来获取对应的行。

以下是两种方法的示例代码：

方法一：使用dropna()函数删除包含NaN值的行

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, None], 'B': [4, None, 6, 7]})

# 使用dropna()函数删除包含NaN值的行
df = df.dropna(subset=['A'])

# 输出结果
print(df)

输出：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0

方法二：使用notnull()函数获取某列不为NaN的行的布尔值

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, None], 'B': [4, None, 6, 7]})

# 使用notnull()函数获取某列不为NaN的行的布尔值
mask = df['A'].notnull()

# 使用布尔值索引获取对应的行
df = df[mask]

# 输出结果
print(df)

输出：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0